一、GIL1、定义： GIL全局解释器锁,每个线程执行过程中必须先获得GIL，保证同一时刻只有一个线程在执行， GIL与python语言没关系，是CPython解释器才有的，在IO操作等可能会引起阻塞的system call之前,可以暂时释放GIL,但在执行完毕后,必须重新获取GIL Python 3.x使用计时器（执行时间达到阈值后，当前线程释放GIL）或Python 2.x，tickets计数
转载
2023-10-26 12:05:55
90阅读
代码看起来可以工作，但不是以你“想当然“”的方式。如果一段代码直接出错，抛出了异常，我不认为这是陷阱。比如，Python程序员应该都遇到过的“UnboundLocalError", 示例： >>> a=1
>>> def func():
... a+=1
... print a
...
>>> fu
转载
2024-06-15 09:18:43
82阅读
在上一篇文章中，我们讲到了，使用itertools.tee可以让一个生成器被多次完整遍历：import itertools
g = generator()
g_1, g_2, g_3 = itertools.tee(g, 3)
for row in g_1:
print(row)
for row in g_2:
print(row)
for row in g_3:
转载
2024-08-05 14:12:32
21阅读
Python 问世至今已经三十年左右了，但其仅在过去几年人气迅速飙升超过了除 java 和 C 以外的其他语言。总的来说，Python 已经成为教学、学习编程和软件开发的优秀起点，而且其可以成为任何技术栈中有价值的一部分。另外大家要注意：光理论是不够的。这里顺便总大家一套2020最新python入门到高级项目实战视频教程，可以去小编的Python交流.裙 ：七衣衣九七七巴而五（数字的谐
转载
2023-07-09 09:38:50
92阅读
有开发者发文表达了他觉得 Python 不行的 8 大原因。作者对每一项“缺点”都进行了分析，全文洋洋洒洒，概括起来 8 个原因分别是：1、版本不兼容Python 3 与 Python 2 不完全兼容。作者以 Perl 语言和创造了世界上早期个人电脑的 Commodore 为例，分析了缺乏向后兼容性和分离版本是如何导致失败的。2、安装问题运行 apt、yum 与 rpm 等工具可以获取并
转载
2023-12-29 23:11:37
21阅读
Python的优缺陷任何言语都有其欧缺陷，python也不破例，先让咱们看看python的长处：Python的定位是“优雅”、“明确”、“简单”，所以Python程序看上去总是简单易懂，初学者学Python，不但入门容易，而且将来深化下去，能够编写那些十分十分复杂的程序。在这里还是要推荐下我自己建的Python开发学习群:483546416，群里都是学Python开发的，如果你正在学习Python
在Jupyter Notebook上使用Python+opencv实现如下图像缺陷检测。关于opencv库的安装可以参考：Python下opencv库的安装过程与一些问题汇总。 1.实现代码import cv2
import numpy
from PIL import Image, ImageDraw, ImageFont
#用于给图片添加中文字符
def ImgText_CN(img
转载
2023-05-23 19:45:58
681阅读
一、利用直方图的方式进行批量的图片缺陷检测（方法简单）二、步骤（完整代码见最后）2.1灰度转换（将原图和要检测对比的图分开灰度化）
灰度化的作用是因为后面的直方图比较需要以像素256为基准进行相关性比较
img = cv2.imread("0.bmp")
#原图灰度转换
gray = cv2.cvtColor(img, cv2.COLOR_RGB2GRAY)
#循环要检测的图，均灰度化
for i
转载
2023-08-03 19:48:47
592阅读
我个人对陷阱的定义是这样的：代码看起来可以工作，但不是以你“想当然“”的方式。如果一段代码直接出错，抛出了异常，我不认为这是陷阱。比如，Python程序员应该都遇到过的“UnboundLocalError”, 示例：>>> a=1
>>> def func():
... a+=1
... print a
...
>>> func()
Trace
转载
2024-07-02 07:18:01
18阅读
目录一、概述二、焊接缺陷的分类2.1 按产生原因2.2 按性质分有：2.3 按在焊缝中的位置分有：三、焊接缺陷检验的常用方法一、概述对于一个金属结构来说，焊接检验就是对所有焊缝或焊接接头而言的，也就是对焊接缺陷的检验。但焊接接头的质量并不是由焊缝本身决定的，除了焊接工艺以外，焊接材料、焊接方法、焊前准备情况等都对焊接质量有着重要影响。即：母材检验、焊接设备检验、焊接材料检验、焊前准备检验、焊接性试
转载
2023-10-12 22:27:00
31阅读
施努卡（SCHNOKA）成立于2010年，先后在上海，苏州及武汉建立了分公司。国家高新技术企业，致力于打造面向智能产线与智慧工厂最强控制大脑的高科技公司。公司围绕感知&识别核心技术构建智能装备，基于机器人视觉算法与单机器人工作站、多机器人群体共融、行业定制化应用。打造产品体系，面向智能生产线、智慧物流等场景实现软件定义智能。SCHNOKA （施努卡）在3D机器视觉算法、机器人柔性控制、手眼
转载
2024-01-04 15:58:34
82阅读
# Python 缺陷检测
在软件开发过程中，缺陷是无法避免的。缺陷可能导致程序崩溃、功能错误或者性能下降。因此，及时发现和修复缺陷是保证软件质量的关键一环。在Python开发中，我们可以使用一些工具和技术来帮助我们进行缺陷检测和调试。本文将介绍一些常用的Python缺陷检测方法，并以代码示例进行说明。
## 静态代码分析工具
静态代码分析工具是一种自动化工具，它能够在不运行代码的情况下检查
原创
2023-07-15 13:01:00
335阅读
在当今的软件开发过程中，Python语言被广泛用于各种应用，从数据分析到网络开发都能见到它的身影。然而，在开发环境中，检测代码缺陷是确保软件质量的重要一环。本文将围绕“Python检测缺陷”问题的解决过程，详细介绍相关的协议背景、抓包方法、报文结构、交互过程、异常检测以及扩展阅读，尝试为大家理清思路与手段。
### 协议背景
为了高效地处理Python缺陷检测，首先需要明白一些背景信息。在软件
随着自动化生产设备的普及，工业机器人在各行各业的应用也越来越广泛，越来越多的生产线由自动化设备取代人工操作，实现自动化生产。在机器人分拣过程中，机器人不仅可以将不同规格和质量的产品准确地放入指定的托盘中，而且能够通过视觉系统识别出物体的表面缺陷并进行分类。 随着工业4.0时代的到来，传统的基于视觉检测技术已经无法满足现代工业生产的要求，视觉检测技术成为了现代工业生产中必不可少的一部分。
转载
2023-12-27 08:37:40
182阅读
截至到本次教程，我们已经基本掌握了OpenCV常用的一些功能，实际上已经可以处理很多问题了，故从本教程开始，示例代码将编写为一个固定函数，以便调用，另外将不再给出完整代码，比如导入库将不再另行贴出，一些基本的代码也不再贴出，只贴出核心部分，我会将核心部分整理为一个方便调用的函数。我们在前面讨论了轮廓的特征以及属性，今天我们将综合之前学的内容讨论轮廓的高级功能。凸缺陷对象上的任何凹陷都被称为凸缺陷，
转载
2024-01-30 06:44:40
130阅读
想要一份关于缺陷ticket的反馈次数和缺陷来往情况，做一个简单的redmine缺陷分析报表如何开始呢，思考历程写下来：1.首先考虑是否可以从内部获取数据，听说redmine的数据库是Mysql，但是我没有账号和权限2.在一个查看是否提供接口，可以直接获取，登陆啥的是个麻烦事儿，界面化太麻烦（能力有限，且耗时）3.python的支持库4.爬虫优选1.3，其次是4，最差2了下载python-redm
转载
2023-08-22 09:37:31
82阅读
原标题：当机器视觉走进轮胎缺陷检测，人工与AI，谁才是主流如今，车辆已经不是什么稀有品，几乎人手一辆，然而，随着车辆的增加，事故发生率也不断上升，除却驾驶员疲劳驾驶、酒驾等人为因素，由于轮胎的质量问题而引发的事故也不在少数。汽车轴承中的轴套有5个面，每个面在生产过程当中都有可能会产生一些裂口；轮胎背面还会有一些凹坑，或者是在加工过程当中有烧伤，严重的时候5个面可能会有20几种缺陷。如果是人工来检测
转载
2024-08-27 15:07:59
66阅读
目前，有四种检测方法一：主观目测法二：密度检测法（在线检测）：1，彩色反射密度计将一束光投射到印刷品上，比较表面反射（或透射）的光强度与照射在表面上的光强度，通过现有的逻辑关系来计算密度值，通过该密度值来判断是否存在缺陷。三：色度检测法（在线检测）：将一束光投射到印刷品上，通过仪器获取颜色的三刺激值，换算成可以对比的数值，然后与样本的值比对，判断是否存在缺陷。四：基于数字图像处理技术的方法（在线检
转载
2024-08-27 15:14:50
143阅读
今天来一个缺陷检测的实例，如下是原图，第二个和第三个黑色部件有缺陷 思路: ①提取OK部件轮廓做model ②遍历部件轮廓，做差分，形态学处理 ③结果判断绘制 上代码(含注释）：import cv2
import numpy as
转载
2023-10-13 11:03:01
296阅读
前言 目前，基于机器视觉的表面缺陷已经在各个工业领域广泛取代人工视觉检测，包括3C、汽车、家电、机械制造、半导体电子、化工、制药、航空航天、轻工等行业。许多基于深度学习的缺陷检测方法也被广泛应用于各种工业场景。本文的代码实战，是基于YOLOv5目标检测算法，在NEU表面缺陷数据集上实现钢材表面缺陷检测。要求Python>=3.7.0，PyTorch>=1.7。作者 | Ctr
转载
2024-01-29 22:29:33
448阅读
